• 로봇학회논문지
• /
• 제16권4호
• /
• pp.306-312
• /
• 2021

This paper describes localization of autonomous underwater vehicles(AUV), which can be used when some navigation sensor data are an outlier. In that situation, localization through existing navigation algorithms causes problems in long-range localization. Even if an outlier sensor data occurs once, problems of localization will continue. Also, if outlier sensor data is related to azimuth (direction of AUV), it causes bigger problems. Therefore, a parallel localization module, in which different algorithms are performed in a normal and abnormal situation should be designed. Before designing a parallel localization module, it is necessary to study an effective method in the abnormal situation. So, we propose a localization method through machine learning. For this method, a learning model consists of only Fully-Connected and trains through randomly contaminated real sea data. The ground truth of training is displacement between subsequent GPS data. As a result, average error in localization through the learning model is 0.4 times smaller than the average error in localization through the existing navigation algorithm. Through this result, we conclude that it is suitable for a component of the parallel localization module.

• 한국컴퓨터정보학회논문지
• /
• 제27권8호
• /
• pp.169-176
• /
• 2022

5G와 인공지능, 자율 주행 차량 시스템에 관한 기술의 지속적인 발전에 힘입어 V2X를 비롯한 C-ITS 환경에 대한 표준과 서비스가 연구되고 있다. V2V 환경에서 차량 시스템에서 수집 및 생성되는 데이터를 기반 차량간 데이터를 교환하기 위한 표준으로 BSM(basic safety message) 이 채택되었다. 본 논문에서는 BSM 메시지를 안전하게 저장하고, Event-Sourcing과 CQRS 패턴을 사용해서 저장된 메시지를 효과적으로 확인할 수 있는 프레임워크를 제안한다. 제안된 프레임워크는 해시 함수를 사용해서 BSM 메시지를 안전하게 저장 및 관리할 수 있으며, 시계열을 기반으로 저장된 BSM 데이터를 실시간으로 확인할 수 있으며 상태 재현이 가능한 장점이 있다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.352-354
• /
• 2022

카메라를 이용한 위치 측정은 오랫동안 많은 연구가 진행되고 있다. 이것은 자율주행 자동차에서 차간거리 인식이나 객체 인식을 위한 연구가 있고, GPS를 적용하기 어려운 한정된 공간인 실내의 내비게이션 분야에서 연구되고 있다. 보통, 카메라를 이용하는 거리를 측정하는 방법은 2개의 스테레오 카메라를 이용하여 카메라 사이의 거리와 촬영된 영상이나 사진을 통해 측정된 값을 이용하여 거리를 측정한다. 본 논문에서는 하나의 카메라를 이용하여 사물의 거리를 측정하는 방법을 제안한다. 제안하는 방법은 촬영 시간의 차이, 촬영 사이의 거리를 통하여 스테레오 카메라와 같이 카메라 간의 거리, 촬영된 사진에 의해 측정된 값을 이용하여 거리를 측정한다.

• 정보보호학회논문지
• /
• 제33권2호
• /
• pp.325-336
• /
• 2023

자율주행 기술이 발전함에 따라 차량에 탑재되는 외부접점 센서의 수가 증가하고 있으며 특히 차량용 초음파 센서는 버스 토폴로지 형태로서 LIN 프로토콜을 사용하여 연결되며 주변을 감지하고 상태 메시지를 전송하여 차량 내부 네트워크에 접근한다. LIN은 프로토콜의 보안성이 검증되지 않아 공격에 취약하기 때문에 안전성을 평가하기 위한 테스트가 필요하지만, 물리적인 제약으로 인해 실제 차량을 이용한 분석에 한계가 있으며 이를 위한 테스트 환경이 부족하기 때문에 테스트에 어려움이 있다. 따라서, 본 논문에서는 LIN 프로토콜 분석 및 테스트를 위해 CAN과의 연동 분석이 가능한 테스트베드를 개발하고 초음파 센서를 이용하여 그 효용성을 검증하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 추계학술발표대회
• /
• pp.1090-1093
• /
• 2020

운전자가 아닌 자율주행 시스템이 운전을 주도하기 위한 기술의 상용화를 위해 많은 기업이 노력 중이다. 특히 운전자의 안전을 보장하기 위한 운전자와 자율주행 시스템 간의 제어권전환이 중요하다. 운전자의 주행과 관련 없는 행동은 제어권전환 상황에서 운전자를 위험에 빠뜨릴 수 있으므로 제어권전환을 돕기 위한 운전자 모니터링 기술에 관한 많은 연구가 진행되고 있다. 운전자 모니터링 기술은 주로 생체 정보, 차량 정보, 영상을 사용하여 운전자의 상태와 부주의 행동 등을 감지하는 기술이다. 최근 머신 러닝, 딥 러닝을 사용한 영상처리 및 인식 기술 등의 발전으로 영상을 사용한 운전자 모니터링 기술이 활발하게 연구되고 있다. 따라서 본 논문에서는 영상기반 운전자 모니터링 기술 동향에 대해 상세히 기술하였다. 특히 운전자의 부주의 행동 중 졸음은 운전자가 주행 상황을 전혀 인지하지 못하게 할 수 있어 더욱 위험한 행동이다. 따라서 영상기반 운전자 모니터링 기술을 졸음 인식과 그 외의 행동 인식으로 분류하여 동향을 정리하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 추계학술대회
• /
• pp.60-63
• /
• 2020

With the advent of deep learning, a lot of attempts have been made in computer vision to substitute deep learning models for conventional algorithms. Among them, image classification, object detection, and image restoration have received a lot of attention from researchers. However, most of the contributions were refined in one of the fields only. We propose a new paradigm of model structure. End-to-end model which we will introduce classifies noise of an image and restores accordingly. Through this, the model enhances universality and efficiency. Our proposed model is an 'One-For-All' model which classifies weather condition in an image and returns clean image accordingly. By separating weather conditions, restoration model became more compact as well as effective in reducing raindrops, snowflakes, or haze in an image which degrade the quality of the image.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.376-378
• /
• 2022

최근, 인공지능 기술을 인공지능 스피커, 인공지능 챗봇, 자율주행 자동차 등 다양한 분야에서 널리 활용하고 있다. 이러한 인공지능 활용 분야 중 영상처리 분야에서는 인공지능을 활용하여 객체를 검출하거나 사물을 인식하는 등 다양한 활용성을 보이고 있다. 예를 들면, CCTV 영상 속 범죄자의 모습을 분석하거나 드론으로 촬영한 영상 속에서 자동차의 개수를 파악하는 등 영상처리 분야에서 인공지능을 활용하는 사례는 점차 늘어가고 있다. 또한, 이러한 영상처리 분야에서 촬영된 이미지를 가지고 카메라의 위치를 파악하고자 하는 시도가 늘고 있다. 이미지 속의 특정한 객체를 기반으로 카메라의 촬영 위치를 분석하려는 것이다. 이를 활용하면 특정 공간 속 사람을 사각지역 없이 촬영할 수 있는 최적의 카메라 개수를 구하거나 CCTV를 설치하기 위한 최적의 위치를 구하는 등 다양한 현실 문제를 해결할 수 있을 것으로 예상이 된다. 본 논문에서는 특정 공간에서 촬영된 이미지를 분석하기 위한 방법으로 가상 휴먼이 합성된 데이터를 활용하는 것을 제시한다. 이를 위해 실제 공간과 가상 휴먼을 합성하여 실제 공간에 사람이 있는 것과 같은 이미지를 획득하도록 하였다. 본 논문에 따르면 공간 분석을 위해 실제 이미지 데이터를 얻는 시간과 비용을 절약할 수 있을 것이며 인공지능 학습을 위한 실제 이미지 데이터를 획득하기 어려운 상황에 대한 해결책을 제시할 수 있다.

• 드라이브 ㆍ 컨트롤
• /
• 제20권4호
• /
• pp.92-99
• /
• 2023

Autonomous vehicles should recognize and respond to the specified speed to drive in compliance with regulations. To recognize the specified speed, the most representative method is to read the numbers of the signs by recognizing the speed signs in the front camera image. This study proposes a method that utilizes YOLO-Labeling-Labeling-EfficientNet. The sign box is first recognized with YOLO, and the numeric digit is extracted according to the pixel value from the recognized box through two labeling stages. After that, the number of each digit is recognized using EfficientNet (CNN) learned with the virtual environment dataset produced directly. In addition, we estimated the depth of information from the height value of the recognized sign through regression analysis. We verified the proposed algorithm using the virtual racing environment and GTSRB, and proved its real-time performance and efficient recognition performance.

• 드라이브 ㆍ 컨트롤
• /
• 제20권4호
• /
• pp.140-149
• /
• 2023

Wire harness is a component for efficient control when electronic parts are required such as construction machinery and electric vehicles. With emerging issues such as autonomous driving and automation in construction, a wire harness composed of multiple cables has become an essential part because more electronic parts are required. However, when a wire harness failure occurs, systems can be stopped, accidents can occur, and economic damage can be significant. Therefore, in this paper, we developed a digital fault screening system that could easily and quickly diagnose faults in the wire harness. The principle of the developed system was to sequentially send pulse signals to the wire harness and use returned signals to perform fault detection. As a result of diagnosing faults using the developed failure detection system, a detection accuracy of 99.9 % was confirmed through the experiments.

• 대한임베디드공학회논문지
• /
• 제19권2호
• /
• pp.91-99
• /
• 2024

Collision avoidance system is important to improve the robustness and functional safety of autonomous vehicles. This paper proposes an object-level distance estimation method to develop a collision avoidance system, and it is applied to golfcarts utilized in country club environments. To improve the detection accuracy, we continually trained an object detection model based on pseudo labels generated by a pre-trained detector. Moreover, we propose object-aware depth estimation (OADE) method which trains a depth model focusing on object regions. In the OADE algorithm, we generated dense depth information for object regions by utilizing detection results and sparse LiDAR points, and it is referred to as object-aware LiDAR projection (OALP). By using the OALP maps, a depth estimation model was trained by backpropagating more gradients of the loss on object regions. Experiments were conducted on our custom dataset, which was collected for the travel distance of 22 km on 54 holes in three country clubs under various weather conditions. The precision and recall rate were respectively improved from 70.5% and 49.1% to 95.3% and 92.1% after the continual learning with pseudo labels. Moreover, the OADE algorithm reduces the absolute relative error from 4.76% to 4.27% for estimating distances to obstacles.